| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第10-19页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.3.1 相似性查询基本问题 | 第13-14页 |
| 1.3.2 时间序列相似性查询研究现状 | 第14-15页 |
| 1.3.3 分布式系统时序查询研究状况 | 第15-17页 |
| 1.4 本文研究内容 | 第17-18页 |
| 1.5 论文内容与结构安排 | 第18-19页 |
| 第二章 相关知识 | 第19-34页 |
| 2.1 板带质量数据及云服务平台介绍 | 第19-20页 |
| 2.2 分布式平台的演进 | 第20-24页 |
| 2.2.1 MapReduce计算模型 | 第20-21页 |
| 2.2.2 HDFS介绍 | 第21-22页 |
| 2.2.3 Spark及SparkSQL介绍 | 第22-24页 |
| 2.3 时序数据相似性度量相关知识 | 第24-27页 |
| 2.3.1 欧式类距离 | 第24-25页 |
| 2.3.2 动态时间弯曲 | 第25-26页 |
| 2.3.3 编辑距离 | 第26页 |
| 2.3.4 其他距离 | 第26-27页 |
| 2.4 时间序表示方法介绍 | 第27-30页 |
| 2.4.1 分段表示法 | 第27-29页 |
| 2.4.2 频域表示法 | 第29-30页 |
| 2.4.3 奇异值分解法 | 第30页 |
| 2.5 时序索引介绍 | 第30-34页 |
| 2.5.1 R树索引 | 第30-31页 |
| 2.5.2 VP树索引及MVP树索引 | 第31-32页 |
| 2.5.3 M树索引 | 第32-34页 |
| 第三章 基于Spark的时序数据两阶段处理方法 | 第34-42页 |
| 3.1 引论 | 第34页 |
| 3.2 经验模态分解 | 第34-36页 |
| 3.3 基于重要点的分段线性表示法 | 第36-38页 |
| 3.4 基于Spark的两阶段数据处理方法 | 第38-39页 |
| 3.5 实验 | 第39-41页 |
| 3.5.1 实验环境 | 第39页 |
| 3.5.2 实验数据 | 第39-40页 |
| 3.5.3 实验方法 | 第40页 |
| 3.5.4 实验结果及分析 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 时序相似性查询及索引研究 | 第42-53页 |
| 4.1 引论 | 第42页 |
| 4.2 基于Spark的索引的构建 | 第42-47页 |
| 4.2.1 R树构建 | 第42-45页 |
| 4.2.2 MVP树构建 | 第45页 |
| 4.2.3 M树构建 | 第45-47页 |
| 4.3 基于Spark的索引的检索 | 第47-49页 |
| 4.3.1 R树查询方法 | 第47-48页 |
| 4.3.2 MVP树查询方法 | 第48-49页 |
| 4.3.3 M树查询方法 | 第49页 |
| 4.4 实验 | 第49-51页 |
| 4.4.1 实验环境 | 第49-50页 |
| 4.4.2 实验数据 | 第50页 |
| 4.4.3 实验方法 | 第50页 |
| 4.4.4 实验结果与分析 | 第50-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 基于Spark的时间序列相似性查询及拓展研究 | 第53-63页 |
| 5.1 引论 | 第53页 |
| 5.2 S-TSQS系统架构 | 第53-54页 |
| 5.3 编程接口 | 第54-56页 |
| 5.3.1 字段抽象描述 | 第54-55页 |
| 5.3.2 索引操作 | 第55页 |
| 5.3.3 查询与分析接口 | 第55-56页 |
| 5.4 工作机制 | 第56-57页 |
| 5.5 时序检索 | 第57-58页 |
| 5.6 查询及操作优化 | 第58页 |
| 5.7 实验 | 第58-61页 |
| 5.7.1 实验环境 | 第58页 |
| 5.7.2 实验方法 | 第58-59页 |
| 5.7.3 实验结果与分析 | 第59-61页 |
| 5.8 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间研究成果 | 第69-70页 |
| 致谢 | 第70页 |